[发明专利]基于注意力机制的地震数据去噪方法

权利要求书

1.一种基于注意力机制的地震数据去噪方法，其特征在于，包括如下步骤：通过卷积神经网络对含有噪声的地震数据进行处理以提取初次特征信号，对初次特征信号在通道域上进行评分并赋予通道权重，对初次特征信号在空间域上进行评分并赋予空间权重，将通道权重与初次特征信号相乘以得到通道特征信号，将空间权重与初次特征信号相乘以得到空间特征信号，将空间特征信号和通道特征信号经过Concat运算组合并将运算组合结果再次卷积处理，以生成最终的输出特征信号。

2.根据权利要求1所述的基于注意力机制的地震数据去噪方法，其特征在于，还包括如下步骤：对初次特征信号按照通道进行全局平均池化或最大池化，从而将卷积层输出的H*W*C维的初次特征信号压缩为1*1*C维的初次通道特征向量，通过卷积将初次通道特征向量降维，通过ReLu函数激活，再通过卷积将降维后的初次通道特征向量升维，通过Sigmoid函数激活，并将Sigmoid函数输出的通道权重与初次特征信号相乘，从而得到通道特征信号。

3.根据权利要求2所述的基于注意力机制的地震数据去噪方法，其特征在于，还包括如下步骤：对初次特征信号按照空间进行全局平均池化或最大池化，从而将将卷积层输出的H*W*C维的初次特征信号压缩为H*W*1维的初次空间特征图，将初次空间特征图卷积后使用Sigmoid函数激活，并将Sigmoid函数输出的空间权重与初次特征信号相乘，从而得到空间特征信号。

4.根据权利要求3所述的基于注意力机制的地震数据去噪方法，其特征在于，还包括如下步骤：对初次特征信号按照空间进行全局平均池化或最大池化，从而将将卷积层输出的H*W*C维的初次特征信号压缩为H*W*1维的初次空间特征图，将初次空间特征图经过一个卷积层后再使用Sigmoid函数进行非线性化，并将Sigmoid函数输出的空间权重与初次特征信号相乘，从而得到空间特征信号。

5.根据权利要求4所述的基于注意力机制的地震数据去噪方法，其特征在于，还包括如下步骤：将储存数据划分为训练集和验证集，将训练集中的含有噪声的地震数据进行处理以提取初次特征信号，并将对应的输出特征信号与预先处理的去噪地震数据进行比对，若差值大于预设阈值，则反向传播并更新参数，迭代至误差小于预设阈值。

6.根据权利要求5所述的基于注意力机制的地震数据去噪方法，其特征在于，还包括如下步骤：将验证集中的含有噪声的地震数据进行处理以提取初次特征信号，将对应的输出特征信号与预先处理的去噪地震数据进行比对，若差值大于预设阈值，则再次将训练集中的含有噪声的地震数据输入并重新进行训练。